Imagen: TICBeat– 2020
Sin duda, una de las contribuciones que hace la tecnología y que más
llena de esperanza a todos son los aportes en el campo de la salud. Ahora no es
nada extraño ver que elementos de la Inteligencia Artificial, Big Data o hasta
avances en el 5G son eje principal para mejorar los tratamientos contra algunas
enfermedades, algo que sin duda brinda tranquilidad.
Google compartió, en inglés, el presente documento donde Shravya Shetty y
Daniel Tse responsable técnico y Gerente de producto de Google Health,
respectivamente, comentan los avances que la Inteligencia artificial ofrece en el
campo de la detección de cáncer de seno. Con gusto en Tecnogus, replicamos el
documento en su totalidad.
“El cáncer de mama es una afección que afecta a demasiadas mujeres en
todo el mundo. Más de 55,000 personas en el Reino Unido son diagnosticadas con
cáncer de seno cada año, y aproximadamente 1 de cada 8 mujeres en los Estados
Unidos desarrollarán la enfermedad en su vida.
La mamografía digital, o imágenes de rayos X del seno, es el método más
común para detectar el cáncer de seno, con más de 42 millones de exámenes
realizados cada año en los Estados Unidos y el Reino Unido combinados. Pero a
pesar del amplio uso de la mamografía digital, detectar y diagnosticar el
cáncer de seno temprano sigue siendo un desafío.
Leer estas imágenes de rayos X es una tarea difícil, incluso para los
expertos, y a menudo puede dar lugar a falsos positivos y falsos negativos. A
su vez, estas imprecisiones pueden ocasionar demoras en la detección y el
tratamiento, estrés innecesario para los pacientes y una mayor carga de trabajo
para los radiólogos que ya son escasos .
En los últimos dos años, hemos estado trabajando con socios de
investigación clínica líderes en el Reino Unido y los Estados Unidos para ver
si la inteligencia artificial podría mejorar la detección del cáncer de seno.
Hoy, compartimos nuestros hallazgos iniciales , que han sido publicados en
Nature. Estos hallazgos muestran que nuestro modelo de IA detectó cáncer de
seno en mamografías de detección no identificadas (donde se eliminó información
identificable) con mayor precisión, menos falsos positivos y menos falsos
negativos que los expertos. Esto prepara el escenario para futuras aplicaciones
donde el modelo podría ayudar a los radiólogos a realizar exámenes de detección
de cáncer de seno.
Nuestra investigación
En colaboración con colegas de DeepMind, Cancer Research UK Imperial
Center, Northwestern University y Royal Surrey County Hospital, nos propusimos
ver si la inteligencia artificial podría ayudar a los radiólogos a detectar los
signos de cáncer de mama con mayor precisión.
El modelo fue entrenado y ajustado en un conjunto de datos representativo
compuesto por mamografías desidentificadas de más de 76,000 mujeres en el Reino
Unido y más de 15,000 mujeres en los Estados Unidos, para ver si podía aprender
a detectar signos de cáncer de seno en los escáneres. Luego, el modelo se
evaluó en un conjunto de datos desidentificados por separado de más de 25,000
mujeres en el Reino Unido y más de 3,000 mujeres en los EE. UU. En esta
evaluación, nuestro sistema produjo una reducción del 5,7 por ciento de falsos
positivos en los EE. UU., Y un 1,2 por ciento reducción en el Reino Unido
Produjo una reducción del 9.4 por ciento en falsos negativos en los EE. UU., y
una reducción del 2.7 por ciento en el Reino Unido
También queríamos ver si el modelo podía generalizarse a otros sistemas
de salud. Para hacer esto, capacitamos el modelo solo en los datos de las
mujeres en el Reino Unido y luego lo evaluamos en el conjunto de datos de
mujeres en los EE. UU. En este experimento separado, hubo una reducción del 3.5
por ciento en falsos positivos y una reducción del 8.1 por ciento en falsos
negativos, que muestran el potencial del modelo para generalizar a nuevos
entornos clínicos sin dejar de funcionar a un nivel más alto que los expertos.
Animación que muestra el crecimiento tumoral y la diseminación
metastásica en mama cancer_resize.gif
Esta es una visualización del crecimiento tumoral y la diseminación
metastásica en el cáncer de seno. La detección tiene como objetivo detectar el
cáncer de seno temprano, antes de que se desarrollen los síntomas.
En particular, al tomar sus decisiones, el modelo recibió menos
información que los expertos humanos. Los expertos humanos (en línea con la
práctica habitual) tuvieron acceso a las historias de pacientes y mamografías
previas, mientras que el modelo solo procesó la mamografía anonimizada más
reciente sin información adicional. A pesar de trabajar solo con estas imágenes
de rayos X, el modelo superó a expertos individuales en la identificación
precisa del cáncer de seno.
Próximos pasos
En espera de futuras aplicaciones, hay algunas señales prometedoras de
que el modelo podría aumentar la precisión y eficiencia de los programas de
detección, así como reducir los tiempos de espera y el estrés para los
pacientes. La directora financiera de Google, Ruth Porat, compartió su
optimismo sobre los posibles avances tecnológicos en esta área en una publicación en octubre que reflexiona sobre su experiencia personal con
el cáncer de mama.
Pero llegar allí requerirá una investigación continua, estudios clínicos
prospectivos y aprobación regulatoria para comprender y demostrar cómo los
sistemas de software inspirados en esta investigación podrían mejorar la
atención al paciente.
Este trabajo es el último capítulo de nuestra investigación que busca la
detección y el diagnóstico de cáncer de seno, no solo dentro del alcance de la
radiología, sino también de la patología. En 2017, publicamos hallazgos iniciales que muestran cómo nuestros modelos pueden
detectar con precisión el cáncer de seno metastásico de muestras de ganglios
linfáticos. El año pasado, también desarrollamos un algoritmo de aprendizaje profundo que podría ayudar a los médicos a detectar el
cáncer de seno de manera más rápida y precisa en las diapositivas de patología.
Esperamos trabajar con nuestros socios en los próximos años para traducir
nuestra investigación de aprendizaje automático en herramientas que beneficien
a los médicos y pacientes.”
El documento original, en inglés, se encuentra en el siguiente enlace: https://www.blog.google/technology/health/improving-breast-cancer-screening/
0 Comentarios